По мере эволюции любого рынка покупательские предпочтения и привычки клиентов становятся все более сложными. Вне зависимости от того, продаете ли вы туристические услуги населению или сложное оборудование для промышленных предприятий, — всегда, когда рынок предоставляет клиенту возможность выбора, его ожидания постоянно возрастают. Как мы отмечали ранее, в первую очередь клиент рассчитывает на то, что сможет взаимодействовать с компанией по любому удобному для него каналу (личный контакт в точке продаж, телефон, электронная почта, Web, SMS). При этом клиент предполагает, что вне зависимости от выбранного им в данный момент канала компания сможет однозначно идентифицировать его в качестве клиента, помнить историю прошлых отношений и поддерживать знания о конкретных потребностях и возможностях, существующих у клиента. Другими словами, вне зависимости от того, насколько много других клиентов обслуживает ваша компания, конкретный клиент ожидает, что вы знаете его лично.
Рассмотрим пример, приведенный на иллюстрации. Компания осуществляет продажи, в том числе через свой Web-сайт, и оказывает техническую поддержку своим клиентам с использованием контакт-
С другой стороны, служба технической поддержки использует собственную функциональность CRM для автоматизации работы контакт-центра. Данные о каждом обращении заносятся в единую базу данных, на основе которых специалист отдела поддержки принимает решение об осуществлении тех или иных действий. По результатам предоставленной технической поддержки специалист также собирает с клиентов заполненные формы с информацией об уровне их удовлетворенности технической поддержкой.
(рис 6.1) Одна компания, две CRM-системыНесмотря на то что каждая из систем дает непосредственную отдачу в решении вопросов каждого из отделов, в целом схема получается достаточно неустойчивая. И служба маркетинга, и отдел технической поддержки прикладывают необходимые усилия для установления прямого контакта со своими клиентами, однако что произойдет, если и в первом, и во втором случае клиентом окажется одно и то же лицо?
Риск заключается в том, что отдел маркетинга не сможет определить клиента, который попадает в целевую группу для маркетинга на основании прошлых покупок, однако в настоящий момент неудовлетворен приобретенным товаром и обратился в службу технической поддержки для решения проблемы. В подобных обстоятельствах дополнительные предложения новых товаров могут больше навредить, чем помочь в отношениях с клиентом в целом. И наоборот: если сервисный инженер, общаясь с клиентом, не знает всей истории покупок клиента за последнее время, он может оказаться не способен предложить адекватное решение или оценить важность решения данной проблемы с точки зрения перспектив сохранения крупнейшего клиента. Применение одних и тех же стандартов обслуживания ко всем клиентам вне зависимости от их ценности (или, что еще хуже, дифференциация клиентов по принципу "кто громче кричит — тому больше внимания") приводит к тому, что компания отстает от конкурентов, которые прилагают все необходимые усилия, чтобы удержать круп нейших и наиболее важных клиентов.
Понимание всех последних шагов по взаимодействию с клиентом вне зависимости от того, по какому каналу оно происходило, может быть очень полезно для сервисного специалиста при решении приходящих от клиента запросов. Еще более важным может быть понимание всей истории отношений с клиентом и истории его покупок: при каких обстоятельствах и для каких целей клиент осуществляет покупку, какие дополнительные опции и компоненты он постоянно докупает, как он реагирует на маркетинговые предложения. История покупок, объединенная с другой доступной информацией о клиенте (например, как часто он переезжает, любит ли ходить в рестораны, имеет ли детей и т.д.), может сформировать рейтинг ценности данного клиента с учетом его потенциальной покупательской способности. Такая информация может быть отображена на дисплее оператора контакт-центра или специалиста службы поддержки в виде окна или напоминания в момент приема телефонного звонка или электронного сообщения.
Подобная проблема несовместимости CRM-систем очень характерна для растущих и динамично развивающихся компаний. В попытке запустить программы лояльности и удержать максимальное число клиентов отделы маркетинга закупают решения CRM и запускают их без привязки к другим подразделениям компании.
С другой стороны, службы технической поддержки, внедрившие в свое время системы управления сервисными запросами с минимальными функциями CRM, не очень охотно соглашаются на замену или совершенствование существующих решений с учетом требований других отделов — в первую очередь отдела маркетинга и продаж.
Суть подобной проблемы не сводится только к политике взаимоотношений между отделами маркетинга и поддержки и связана с особенностями организации логистики и инфраструктуры взаимодействия с клиентами. Отношения с клиентами понимаются как набор конкретных типов взаимодействий с компанией ("пришел — увидел — купил — сломал — позвонил"). Компания, соответственно, внедряет CRM для того, чтобы обеспечить каждый из этих конкретных типов взаимодействия необходимой информационной поддержкой. Решения по взаимодействию с клиентами принимаются на основе информации по каждому из типов в отдельности, вследствие чего и возникают проблемы: клиент получает анкету по качеству обслуживания из отдела маркетинга через две недели после того, как он заполнил подобную анкету для отдела поддержки. В конечном итоге благие намерения хороших специалистов из различных отделов оборачиваются скорее раздражением клиента, нежели увеличением его лояльности.
Различные источники информации о клиентах могут в свою очередь добавить неопределенности в понимание целостной картины. В 2000 г. исследовательская компания Yankee Group проводила опрос крупнейших компаний на предмет их методов сбора и анализа клиентской информации. 73% всех опрошенных компаний сообщили, что собирают информацию об индивидуальных потребителях (для российских компаний этот показатель оставляет не выше 30–40% на начало 2004 года!). Тем не менее, как показывает приведенная ниже таблица, каналы сбора информации о клиентах могут существенно различаться.
| Как собирается информация о клиентах |
|---|
Прямые контакты при осуществлении продаж 60% Электронная почта 50% Взаимодействия через контакт-центр 43% Визиты на Web-сайт 40% Исследования 28% Фокус-группы 28% Мероприятия/выставки 27% |
Несмотря на то что большинство руководителей компаний сходятся во мнении, что им нужна стратегия CRM в том или ином виде, мнение руководителей может существенно различаться в том, зачем она им нужна. Джил Дюше, автор книги "The CRM
| Руководитель | Взгляд на стратегию CRM |
|---|---|
| Директор по маркетингу | "Нам очень нужна CRM-система — хотя бы для того, чтобы узнать, сколько у нас клиентов! Я готов заплатить за систему, только чтобы она начала работать как можно скорее. Я думаю в первую очередь о функциональности профилирования клиентов — когда я могу ее получить?" |
| Директор по продажам | "Конечно, нам нужна CRM-система, однако мы к ней еще не готовы. Мы только что потратили огромные средства на то, чтобы вычистить всю нашу базу данных по контактам. В конце концов никакое профилирование клиентов не будет иметь смысла, если данные в системе не актуальны". |
| Директор по поддержке клиентов | "CRM? Зачем, мы уже это делаем! Наша система контакт-центра и так позволяет операторам получить доступ к клиентской информации во время звонка клиента. Мы даже можем видеть список продуктов, приобретенных каждым из клиентов. Кто сказал, что нам нужно что-то еще?" |
| Технический директор | "Клиенты, безусловно, важны для нас, однако сейчас мы теряем огромные ресурсы на неэффективной технической организации сервиса. Если мы не исправим ситуацию в этой области, у нас просто не останется клиентов, которых нужно будет обслуживать! Если бы только знать, как оптимизировать техническую загрузку…" |
Опасный уровень несогласованности между руководителями привел консультантов к выводу, что внедрение единой интегрированной CRM-стратегии вряд ли получит должный
Приведенная в качестве примера ситуация с двумя разделенными CRM-системами в рамках одной компании чревата не только возможной несогласованностью инициатив различных отделов компании в отношениях с клиентами. Она также, скорее всего, неэффективна и с точки зрения инвестиций. Использование в рамках одной компании различных инструментов с пересекающимся функционалом предполагает дополнительные усилия по дублированию данных, системной интеграции, поддержке, обучению пользователей и т.д. Точно так же отсутствие единого интерфейса для операторов контакт-центра приводит к необходимости обращаться к различным системам и экранам для получения информации о различных продуктах и услугах, которыми пользуется клиент.
В конце концов большинство CRM-систем обычно создается или внедряется для решения конкретной бизнес-задачи в рамках организации — например, автоматизации процессов продаж или рутинных маркетинговых операций. Каждая из этих систем использует собственную базу данных для сохранения информации о клиентах. Распространение таких систем в рамках организации (особенно крупной и территориально распределенной) приводит к созданию большого количества различных клиентских файлов и досье — каждые из них содержат ключевую информацию, необходимую для решения собственных задач, однако не всегда они изначально ориентированы на взаимодействие друг с другом.
Обратите внимание на то, что каждая из систем содержит информацию, которая может быть важна для успешной CRM-стратегии в целом. Данные о клиентах различаются в каждой из систем, в зависимости от требований отдела, использующего данные. Однако в реальной жизни информация может частично пересекаться в различных системах. Так, контактная информация о клиенте и статус оплаты может храниться и в системе контакт-центра, и в системе автоматизации прямых продаж; информация об объемах закупок клиента и его ценности может использоваться и в системе отдела продаж, и в маркетинге. Одна и та же информация об одном клиенте может храниться в различных форматах и с разными атрибутами в системах отделов.
Задача создания единого профиля клиента и привязки к нему всей информации, поступающей из различных отделов, часто подразумевает создание централизованной многофункциональной базы данных, называемой еще "хранилищем данных". Лет 10–15 назад подобная задача была под силу только крупным организациям с огромными ИТ-бюджетами. Сейчас создание хранилища данных в той или иной форме стало стандартом de facto для сбора и оперативного анализа данных о клиентах. Для этого используются специализированные программы.
Хранилища данных могут быть использованы для анализа любых данных, поступающих из большого количества разрозненных источников; однако в нашем случае важно получить интегрированный взгляд на клиентскую информацию, или "единую версию правды" о клиентах.
Информация попадает в хранилище данных из различных систем в компании, собирая все, что мы можем знать о клиенте, — как в текущий момент времени, так и в исторической ретроспективе.
Источниками информации о клиентах могут быть следующие системы:
Чем полнее список источников данных, тем богаче может быть выбор информации для принятия бизнес-решений. На следующем рисунке изображен типичный "джентльменский набор" данных, поступающих в клиенто-ориентированное хранилище для дальнейшего обобщения и анализа.
Одним из основных преимуществ использования хранилища данных является возможность накапливать исторические данные о клиентах и анализировать их для изучения поведения клиентов. Например, накапливая информацию о покупках потребителя, компания может попытаться проанализировать, что мотивировало клиента совершить те или иные покупки и какой потенциал имеет данный клиент в будущем. Подобные исторические данные могут помочь сделать маркетинг более "интеллектуальным" и улучшить качество клиентского обслуживания. Именно потребность в сохранении исторических данных стала основным фактором бурного развития технологий хранилищ данных в последнее десятилетие.
Неспособность интегрировать данные о клиенте, получаемые из различных источников, приводит к необходимости принимать решения о его обслуживании на основе разрозненной неполной информации, что может привести к ошибкам или потере клиента. Сейчас большинство мировых аналитических агентств сходится во мнении, что способность интегрировать данные о клиентах является ключевым фактором успеха любых CRM-инициатив. Вот лишь некоторые цитаты:
"Вам нужен единый источник точной и консолидированной клиентской информации для того, чтобы хорошо управлять
"Различные приложения имеют далекие друг от друга методы отслеживания информации о клиентах и отчетности по этой информации, формируя "острова информации" внутри организации. Результатом является фрагментированное представление о клиентах, что не позволяет определять ключевые метрики, такие как "доходность клиента" или "жизненная ценность" — Forrester Research.
В 2000 г. исследование Forrester Research показало, что:
Полноценное взаимодействие с клиентом и мотивирование его на последующие покупки требует больше информации, чем просто имя, адрес и уровень дохода. Это также означает лучшее понимание его приоритетных продуктов, уровня потребления, ценностей, жизненных принципов, текущей стадии жизненного цикла и даже, возможно, его принципов поведения вне сферы отношений с вашей компанией.
Этот принцип работает и в обратную сторону: клиенты лучше реагируют на централизованные целевые обращения от компании. В примере, описанном в начале главы, разрозненность информационных источников может привести к серьезным последствиям в отношениях с клиентом. Обычная, к сожалению, практика, когда компания не связывает жалобы клиентов с новыми маркетинговыми предложениями, а скорее злит клиента, чем подвигает его на дальнейшие отношения с компанией.
"Я только что жаловался на проблемы с их продуктом, а они уже предлагают мне новый... Они вообще услышали мои жалобы?" — вот наиболее вероятная реакция клиента на нескоординированное взаимодействие с ним из различных отделов компании.
Типичный пример. В воскресенье вечером на мобильный телефон мужа звонит представитель страховой компании, в которой застрахована машина его жены. Между ними происходит следующий диалог:
— Здравствуйте, вас беспокоит страховая компания ХХХ. Это Иван Сергеевич?
— Да, это я… — Муж напрягается, потому что не ждет ничего хорошего от подобного звонка. Мысли: "Моя жена попала в аварию?" и "Я вовремя заплатил последний взнос?" проносятся у него в голове.
— У вас есть машина? Она застрахована?
— Да, в вашей компании… — Муж ждет продолжения непосредственно о сути звонка на мобильный телефон вечером в выходной… Новместо этого слышит:
— А-а, ладно. Спасибо.
Разговор окончен. Муж остается в недоумении и с определенной долей досады думает о том, что как существующий клиент совершенно не интересует оператора на том конце провода. Он в волнении перезванивает жене, чтобы узнать, все ли с ней в порядке…
Несмотря на то что данная семья представляет, несомненно, определенную ценность (существующий клиент, две машины), страховая компания "пожадничала" на простой операции — исключить телефоны существующих клиентов из списка маркетингового обзвона, благо этот телефон указывается в анкете клиента при оформлении полиса! Насколько более эффективным был бы этот звонок, если бы основной вопрос звучал следующим образом:
— Если не секрет, почему вы застраховали машину вашей жены у нас в компании, а свою собственную — нет?
Вся информация, необходимая для формулировки подобного вопроса, есть в разрозненных файлах страховой компании…
Лучшие компании "спотыкаются" о проблему организации взаимодействия между CRM и хранилищем данных для обеспечения целостной бизнес-аналитики по клиентам. С одной стороны, все прекрасно понимают, что данные нельзя разделять и
В своей практике я часто наблюдал подобные противоречия между ИТ- и бизнес-подразделениями. ИТ "лезет из кожи вон", чтобы собрать для бизнеса необходимую информацию, — не понимая при этом сути данных, и того, как эти данные влияют на ключевые бизнес-процессы, и зачем они необходимы. Бизнес не получает нужных ответов на основе имеющихся данных и ставит все новые требования, при этом не умея четко и структурированно описать свои потребности. Противоречие затягивается на годы, закупается новое оборудование и программные инструменты, а "воз и ныне там". Руководство, всегда склонное к обобщению, в результате разочаровывается в возможностях информационных технологий как таковых.
Интеграция разрозненных приложений (количество которых в современной финансовой или телекоммуникационной компании, например, может достигать 8–10) для получения единой информации по клиенту может стоить существенно дороже, чем создание изначально продуманной информационной инфраструктуры вокруг интегрированного хранилища данных. Тем не менее в большинстве случаев создание хранилища данных обычно замыкает список приоритетных ИТ-проектов и говорит о том, что компания уже прошла определенный эволюционный путь развития ИТ. Связано это в первую очередь с тем, что убедить руководство в необходимости инвестировать существенные средства в то, чтобы "сделать копию всех наших данных на отдельном сервере и облегчить их утечку? Никогда!" (цитата одного руководителя), бывает так же сложно, как убедить молодого здорового парня проходить ежегодную диспансеризацию и следить за своим здоровьем.
Компании быстро приходят к мнению, что их усилия в области управления
клиентскими отношениями ничего не стоят, если они не предполагают анализа.Information Week
Мы уже обсуждали ранее, что продавать существующим клиентам значительно проще и дешевле. Чем лучше компания понимает своих клиентов, тем легче ей общаться с ними. Способность использовать данные, полученные в процессе взаимодействия с клиентами, для анализа и принятия стратегических решений напрямую связана с успехом компании в сфере управления лояльностью клиентов.
Разрозненные системы, каждая из которых собирает часть информации о клиентах, не позволяют отследить некоторые факты, которые могут быть критически важны для бизнеса в целом. В частности:
Клиентская информация, которая используется для получения ответов на эти и другие вопросы, определяет стратегию работы с теми или иными клиентами, методы продаж, предполагаемые маркетинговые шаги. За счет интеграции операционных данных CRM с другими информационными источниками в компании, она может начать проводить анализ клиентских отношений и за счет этого принимать по-настоящему клиенто-ориентированные решения.
Практика анализа данных существует задолго до появления хранилищ данных, CRM и других инструментов. Методы статистического анализа используются в экономике уже много десятилетий. Средства анализа, как встроенные в современные CRM-системы, так и существующие в форме независимых программных инструментов, просто позволили сделать данный анализ более эффективным, быстрым и доступным. Аналитические возможности позволяют "оживить" скупые операционные данные о клиентах — сделать их более ценными и аккуратными.
Например, система Siebel позволяет использовать
Основное отличие аналитического блока CRM от операционного заключается в том, что он призван не столько решить текущую операционную задачу взаимодействия (провести маркетинг нового продукта, осуществить продажу, отработать жалобу клиента), сколько обеспечить долгосрочные прогрессирующие отношения с клиентом по всем возможным направлениям. Это означает отслеживание всех действий клиента из операционного блока CRM и их анализ в контексте информации из других источников — как внутренних, так и внешних.
Создание централизованного источника "единой правды о клиенте" позволяет осуществлять сегментацию клиентов по большему набору параметров, а также поддерживать взаимодействие с каждым клиентом действительно в режиме "один на один". Мировые компании, которые используют как операционные, так и аналитические возможности CRM, могут существенно изменить свою стратегию, в частности:
(рис 6.3) Составные элементы аналитического блока CRMРазвитие современных комплексных систем CRM, объединяющих широкий диапазон функциональности, существенно облегчило задачу интеграции данных из различных подразделений для поддержки задач анализа и сегментации. Большинство крупнейших мировых поставщиков рекламируют свои системы в качестве "единого интерфейса" для всех сотрудников организации, занимающихся обслуживанием клиентов, — от руководства и аналитиков до операторов контакт-центра и полевых инженеров.
Интересную концепцию "кабины пилота", или "центра управления" предлагают такие компании, как Microstrategy, известная своими приложениями в сфере аналитики и бизнес-разведки. Концепция предполагает, что интерфейс менеджера, принимающего ответственные решения, напоминает собой приборную панель самолета (или, возможно, автомобиля — в зависимости от масштабов и сложности бизнеса*). Ключевой набор показателей эффективности, по которым руководитель анализирует текущую деятельность компании и принимает решение вмешаться в те или иные процессы, программируется в системе в виде ограниченного набора эргономичных индикаторов (графиков, приборных стрелок, контрольных ламп и т.д.). В зависимости от конкретной роли менеджер может через данный интерфейс выполнять все свои непосредственные обязанности. Специалист по маркетингу имеет возможность анализировать сегменты клиентов, отслеживать маркетинговые кампании, распечатывать отчеты и т.д. Руководитель отдела продаж видит текущее состояние воронки пр одаж, клиентов, близких к уходу, эффективность менеджеров, ключевые проекты в работе и т.д.
Как уже обсуждалось выше, объединение операционных возможностей CRM с аналитическими позволяет осуществлять комплексный анализ всей информации о клиентах, поступающей из различных источников. Целью данного анализа в конечном итоге является принятие более правильных решений в отношении каждого из клиентов, причем эти решения должны приниматься быстрее и с меньшими материальными и человеческими затратами.
Особое место среди источников информации занимает Web, предлагая совершенно новый пласт информации о существующих и потенциальных клиентах — посетителях сайта. Компании, которые научились привязывать статистику посещаемости своего Web-сайта к клиентской информации из других источников, получили совершенно новый набор возможностей по анализу.
Термин "аналитическая обработка в режиме реального времени" (OnLine Analytical Processing — OLAP) в последнее десятилетие стал одной из тех концепций в области ИТ, которые постоянно привлекают внимание деловой общественности. Обычно под данным термином подразумевается возможность осуществить любую выборку с необходимым уровнем обобщения в большом массиве данных, а также по необходимости "провалиться" (
Пример сценария использования средств OLAP руководителем отдела продаж
Руководитель отдела продаж готовится предстать перед советом директоров с объяснением текущей ситуации и необходимых изменений в стратегии маркетинга. Он обеспокоен падением продаж продукта Х в индустрии Y и ищет источник проблемы и возможные пути ее решения. Несколькими движениями мышью он формирует последовательность запросов с использованием системы OLAP с набором закладок и моделей, заложенных аналитиком:
"Почему у нас падают продажи? Покажите тенденцию роста/падения по каждой из продуктовых линеек".
OLAP-система осуществляет группировку всех данных о конкретных сделках (осуществленных и потерянных) за отчетный период по продуктам и отображает результат.
"Ага, сильнее всего падение продаж происходит по продукту Х. Покажите все проигранные сделки по данному продукту за отчетный период по типам клиентов и ответственным менеджерам".
OLAP-система "проваливается" на следующий уровень детальности, отображая необходимые графики или таблицы только для продукта Х.
"Странно, основное падение покупательского спроса наблюдается в индустрии Y. Покажите статистику по основным причинам отказов по продукту Х в индустрии Y, а также рейтинг конкурентов в этих сделках".
Система переходит еще на один уровень ниже, анализируя атрибуты конкретных сделокѕ
"Вот в чем дело: новый иностранный конкурент, специализирующийся исключительно на данной индустрии, предлагает интегрированное решение по существенно более низкой цене. Нужно разработать новую маркетинговую кампанию, подчеркивающую наши преимущества для данной отрасли. Сделайте список всех клиентов из отрасли Y, которые предпочли наш продукт Х, — мы проведем опрос и изучим причины их решения..."
Системы OLAP построены по принципу привязки атрибутов данных к определенным "измерениям" — таким, как время или местоположение. Пользователь может сформировать выборку по любым из измерений и использовать полученные данные для отображения в виде таблицы или графика.
Хотя производители OLAP-систем продвигают свои решения как средства поиска скрытых закономерностей, возможности OLAP в этой сфере ограничены уровнем обобщения данных при их копировании из исходных источников в централизованное хранилище в целях экономии дискового пространства и времени на осуществление выборок. Так, OLAP сможет определить, какой из сегментов клиентов с наибольшей вероятностью подвержен риску ухода к конкуренту. Но иногда необходимо проанализировать каждого из сотен тысяч или миллионов клиентов по нескольким параметрам для того, чтобы найти клиента, риск потери которого максимален.
OLAP требует от аналитика наличия определенной гипотезы или структуры запроса, которую он хотел бы проверить. Поиск скрытых закономерностей в более широком смысле означает определение структур или взаимосвязей, иногда совсем не очевидных для аналитика. Подобные методы помогут сформировать кластеры клиентов, покупающих однотипный набор продуктов. Компьютерные специалисты, много работающие дома, представляют пример подобного кластера — они с большой долей вероятности купят компьютер определенной конфигурации, источник бесперебойного питания, принтер, провода, картриджи, мусорную корзину и кофе. Аналитик, использующий OLAP, должен сначала предположить, что есть подобный кластер покупателей — надомные компьютерные специалисты, а затем проверить свое предположение набором последовательных запросов о том, какие продукты обычно попадают в потребительскую корзину, и какие могли бы также в нее войти. В большинстве случаев использование OLAP будет также ограничено определенными продуктовыми категориями. То есть аналитик сможет сформировать соответствующий кластер из покупателей компьютеров, принтеров и кабелей (категория компьютерных продуктов), однако не сможет задействовать для анализа кластера продукты из других категорий — корзину для бумаг, кофе.
В разделе "Маркетинг в стратегии CRM" приведен пример молодых отцов, которых отправляют утром в выходные за подгузниками для малыша, а они заодно покупают упаковку пива, чтобы "оправдать" свою вылазку, — это также пример скрытого кластера, на определение которого без соответствующего инструментария может уйти времени и усилий больше, чем это того стоит.
Средства поиска скрытых закономерностей могут определить ключевые структуры или взаимосвязи в массиве данных и предоставить ценную новую информацию, которая может помочь компании лучше понять себя и своих клиентов. Подобные средства обычно используются бизнес-аналитиками для поиска закономерностей, о которых они, возможно, даже не предполагают. Сейчас подобные средства широко применяются для формирования нового уровня знания о рынке — от предсказания возможного времени следующей покупки до оптимального расположения товаров в магазине или оптимальной даты выпуска на рынок нового фильма.
Существует большое количество различных математических алгоритмов для поиска скрытых закономерностей. Некоторые из них относятся к миру эзотерики и слабо применимы для решения бизнес-задач (многомерные адаптивные регрессивные сплайны — что бы это ни значило). Несмотря на то что в качестве аналитического аппарата могут использоваться как жесткие математические алгоритмы (дерево решений), так и нечеткая логика нейронных сетей, в сфере CRM они используются в первую очередь для решения следующих ключевых задач.
Использование средств поиска скрытых закономерностей обычно предполагает наличие специалиста по статистике с хорошим знанием продуктов и услуг компании, а также наиболее применимых в данном случае алгоритмов. Помимо этого требуется соответствующий программный инструментарий. Конечные бизнес-пользователи (руководители подразделений, специалисты по маркетингу) вряд ли будут самостоятельно пользоваться данным инструментарием — скорее всего, они получат доступ уже к результатам анализа, которые могут быть представлены как в формате отчетов и графиков, так и в формате конкретных выборок или задач в операционной CRM-системе.
Существует огромное множество возможных применений для трех основных типов анализа скрытых закономерностей, описанных выше: от использования моделей поведения существующих клиентов для маркетинга по отношению к новым и до избежания наиболее рисковых потенциальных клиентов за счет анализа рисков и оценки потенциальной ценности клиента в течение его жизненного цикла.
В большинстве случаев компании выделяют отдельный сервер под анализ скрытых закономерностей, куда закачивается вся информация, связанная с клиентами, и где строятся модели и анализируются структуры поведения. Подобные действия обычно требуют существенных компьютерных ресурсов, поэтому вынесение данной функции на отдельный сервер помогает избежать лишней нагрузки на другие операционные системы, от бесперебойной работы которых зависит качество и скорость работы компании в целом. Аналитический сервер может быть связан с выделенным хранилищем данных для того, чтобы получать доступ к данным о клиентах и осуществлять моделирование по принципу "что, если..." с различными тарифными планами, клиентскими сегментами или новыми маркетинговыми кампаниями.
Выводы по результатам анализа скрытых закономерностей могут служить сигналом для тех или иных ответственных действий в компании. Например, розничная сеть по продаже электроники в Лондоне определила, что большинство потенциальных покупателей портативных DVD-плейеров добирается на работу на электричке. В результате маркетинг перенаправил большую часть рекламного бюджета с телевидения на утренние газеты и рекламные щиты на вокзалах. Продажи плейеров выросли на 43% после смены рекламного носителя. Примечательно, что изменение маркетинговой стратегии было принято не по результатам дорогостоящего и длительного опроса целевых групп, а по результатам работы аналитика за интерфейсом аналитической системы на основе существующих в компании данных.
Понимание будущего поведения существующих и потенциальных клиентов — основная цель большинства приложений в сфере поиска скрытых закономерностей. Среди всего многообразия методик, позволяющих достичь подобного понимания, для целей CRM наиболее полезными могут быть "Анализ Web-активности" (так называемый "
Специалисты ИТ обычно очень легкомысленно подходят к вопросу сбора и анализа информации об активности пользователей Web-сайта. Хотя эта информация может очень многое рассказать про каждого конкретного посетителя. В частности, мы можем анализировать, как пользователь попал на Web-сайт, сколько времени он на нем провел, что он делал во время своего визита, и когда он снова вернулся. Данные о Web-активности пользователей сравнимы с камерой, установленной в зале магазина, которая записывала бы все действия посетителя: какие товары он брал с полки, но не положил в свою корзину, на чем останавливался его взгляд, к кому он обращался с вопросами и какие ответы получал.
Практика сбора данных об активности пользователей развивается одновременно с электронной коммерцией. Эти данные могут накапливаться в отдельном хранилище данных или быть частью единого корпоративного хранилища. Учитывая возможные огромные объемы этих данных, а также существующие этические ограничения по использованию, руководство компаний часто принимает решение о преднамеренном
Показательным примером использования анализа Web-активности является изучение так называемых "незавершенных заказов", т.е. ситуаций, когда пользователь электронного магазина наполнил свою виртуальную корзину товарами, однако так и не "дотащил" ее до виртуального прилавка, бросив свой заказ на полпути. Задача анализа здесь заключается в том, чтобы сравнить содержимое брошенной корзины с другими аналогичными корзинами и ответить на несколько ключевых вопросов, например таких:
Результаты подобного анализа могут навести на очень интересные предположения. Например о том, что ни один из продуктов в корзине не был настолько необходим потребителю, чтобы мотивировать его на осуществление покупки. Или о том, что покупателя отпугнули многочисленные запросы и анкеты. Или, что на определенной сумме общего счета покупатель передумал и отказался от всего заказа. Или определенный набор и сочетание продуктов напомнили покупателю о необходимости покупки чего-то еще, и он ушел в другой магазин в поисках комплексного решения.
Все эти предположения можно смело отнести к категории "научного тыка"*. Однако в случае использования с достаточной периодичностью, опытному аналитику подобные методы могут помочь. Что бы ни послужило причиной для покупателя оставить магазин и свою корзину, полную потенциальных покупок, продавец может и должен использовать все имеющиеся у него средства — от строгих закономерностей до неочевидных экстраполяций — для того, чтобы понять клиента и стимулировать его на осуществление покупки. Найденные закономерности могут не просто помочь улучшить дизайн и размещение информации на Web-сайте для большего удобства клиентов, но и определить продуктовые взаимосвязи, предложить возможные стратегии дополнительных и кросс-продаж. В сочетании с данными по демографии, психографии и поведенческим моделям результаты анализа Web-активности помогут компаниям лучше понимать своих клиентов.
Последние разработки в области анализа еще более интригуют. Вместо того чтобы просто анализировать пути перемещения клиента по сайту и предполагать его возможные дальнейшие действия, продавец может совмещать эти данные со специфической клиентской информацией — историей покупок, ключевыми демографическими и психографическими показателями, его ценностью и текущим этапом жизненного цикла — для формирования целостной картины ценностей и интересов данного клиента. Может быть, посетитель, бросивший корзину, был случайным гостем, и на него не стоит тратить усилия. Однако если корзину бросил кто-то из существующих ценных клиентов, то целевое электронное сообщение или купон (например, на продукт, который был оставлен в корзине) могут существенно помочь довести покупку до конца при следующем визите клиента в магазин.
В разделе про маркетинг мы уже обсуждали термин "персонализация", т.е. практику специализированного взаимодействия лично с каждым клиентом (или узким целевым сегментом). Подобная практика построена на предпосылке, что, собирая необходимую информацию о клиентах, компания может ориентироваться в маркетинге на конкретные потребности, которые могут существовать у клиента сейчас или в будущем. Персонализация является мощным аргументом при обосновании необходимости сбора и хранения информации о клиенте, в идеале — с любезного разрешения самого клиента. Ко взаимной выгоде продавец должен суметь предложить покупателю более аккуратные рекомендации по продуктам, специализированные источники информации, целевые маркетинговые предложения, причем в режиме реального времени.
В Москве есть хороший грузинский ресторан, который известен вовсе не своей отменной кухней. Основная его достопримечательность — гардероб, а точнее — гардеробщик, который не пользуется номерками для одежды. Сколько бы посетителей ни было в ресторане в этот вечер, он безошибочно встретит вас на выходе с той верхней одеждой, в которой вы пришли в ресторан. Людям приятно чувствовать персональность и узнаваемость в общении — пусть даже они достигаются за счет способностей натренированной памяти, а не за счет личного общения...
Эффективное использование возможностей персонализации не просто увеличивает лояльность, но и должно обеспечивать дополнительные доходы. Персональная информация о потребителе может определять тактику взаимодействия с ним. Вот лишь несколько примеров из сферы фармацевтики:
Персонализация может принимать разные формы. В самом простом случае она может означать изменение внешнего вида Web-страницы в соответствии с предпочтениями данного конкретного потребителя. Многие Web-сайты позволяют пользователям настроить интерфейс в соответствии со своими предпочтениями — продавец, таким образом, создает у потребителя ощущение "личного окна в компанию" и тем самым повышает его лояльность.
Различаются два основных вида персонализации: на основе правил и адаптивная.
Наиболее широко возможности персонализации используют продавцы книг — такие, как Amazon.com или Ozon.ru. Первый активно использует принципы "совместного выбора": на основе прошлой истории покупок и географии клиента система строит свои рекомендации по принципу "Что читают ваши соседи со схожими интересами?" Чем больше покупок совершают "похожие" клиенты, тем "умнее" становится система, определяя потребности клиентов, и тем точнее становятся ее рекомендации.
При определении стратегии персонализации необходимо решить для себя, должна ли данная персонализация быть заметной для пользователя, или нет? В разделе "Маркетинг в стратегии CRM" мы рассматривали понятие "маркетинг по разрешению", когда клиент добровольно предоставляет персональную информацию в расчете на то, что это окупится: компания будет использовать полученную информацию для предоставления дополнительных услуг — скидок, целевых предложений и т.д. Тем не менее возможен вариант, когда пользователь даже не заметит, что Web-сайт использует средства персонализации, а продукты и документы, которые он видит на экране, отличаются от тех, которые может увидеть другой посетитель сайта.
Между тем средства интеллектуального анализа скрытых закономерностей остаются скорее в разряде технологических новинок. Пройдет еще несколько лет, прежде чем они прочно войдут в общепринятую деловую практику. Сейчас более распространенным подходом является прямой опрос посетителей (включая тех, кто так ничего и не купил) об их приоритетах и предпочтениях. Данные опросов становятся затем частью профиля клиента и используются для выработки соответствующих рекомендаций и маркетинговых предложений.
Хотя персонализация кажется достаточно безобидным маркетинговым средством, эффект от ее использования может быть таким же сильным, как и от правильного мерчендайзинга* в традиционных магазинах. Персонализация также обладает серьезным дополнительным (отчасти противоречивым) потенциалом, который заключается в возможности динамического ценообразования. Первые эксперименты по динамическому ценообразованию проводил магазин Amazon.com, продавая DVD-диски с одним и тем же фильмом различным покупателям по разной цене. Эта концепция переворачивает с ног на голову традиционное представление о том, как покупатель осуществляет свой выбор. Возможности Web-технологий, которые, с одной стороны, позволили покупателям осуществлять выбор товара с лучшей ценой за считанные секунды и несколькими движениями мышью, с другой стороны, позволили поставщикам дифференцировать своих покупателей по принципу "чувствительности к цене". Принцип динамического ценообразования использует знания о клиенте, заложенные в CRM-систему для сравнения степени желания клиента приобрести данный товар с его возможностью заплатить за данную покупку. В этом случае уже покупатели становятся конкурентами за возможность приобрести данный товар.
Данная функция — одна из наиболее востребованных на российских корпоративных Web-сайтах: в условиях "закрытого информационного пространства" производители зачастую не хотят, чтобы их клиенты или торговые партнеры видели один и тот же диапазон предлагаемой продукции и уровень скидок. Под каждого из партнеров — пользователей сайта необходимо динамически создавать прайс-листы и списки продуктов в соответствии с оговоренным уровнем персональной скидки...
Аргументы "за" и "против" динамического ценообразования затрагивают вопросы защиты личной информации потребителей, а также принципы этики. В конце концов, чем больше потребитель покупает у данного поставщика, тем больше поставщик знает о потребителе и тем слабее позиция потребителя в процессе ценовых переговоров. Практика динамического ценообразования выходит далеко за рамки Web-технологий. Так, стратеги Coca-Cola в свое время подверглись жесткой критике за попытки ввести в действие автоматы по продаже газировки, которые автоматически повышали цену по мере роста температуры. Некоторые крупнейшие авиакомпании были замечены в том, что повышали тарифы для держателей карт "постоянный клиент", т.е. для своих наиболее лояльных клиентов, т.к. были уверены в том, что они все равно полетят именно этим рейсом...
В защиту динамического ценообразования электронные торговцы апеллируют к сферам традиционного бизнеса, где подобная практика используется десятилетиями. Аптеки продают лекарства от простуды в холодных регионах существенно дороже, чем в жарких. Ажиотаж вокруг игровой приставки Sony Playstation 2 в свое время позволил существенно "задрать" на нее цены в канун Рождественских праздников практически во всем мире.
Однако именно современные Web-технологии "вдохнули новую жизнь" в данную концепцию, предоставляя корпоративным стратегам мощный инструмент по оперативному анализу и принятию решения о готовности конкретного клиента заплатитьза конкретный товар определенную цену... В Интернет-мире, где данные о клиенте могут включать его домашний адрес, уровень доходов, количество детей и даже решимость купить товар, динамическое ценообразование наряду с другими технологиями персонализации может применяться быстрее и к более широкому кругу клиентов.
В случае с динамическим ценообразованием на Amazon.com трюк мог бы пройти незамеченным, если бы, опять же, не открытые возможности Web-технологий. Посетители через форум магазина начали сравнивать чеки за покупки и заметили, что постоянным лояльным покупателям товар обходится дороже, чем новым! Руководство компании поспешило оправдаться, что это были лишь эксперименты с динамическим ценообразованием, и откреститься от подобной практики в будущем.
Однако прецедент был создан, и он показал, что возможности Интернета существенно влияют на деловые и социальные отношения. В этих условиях даже технологии CRM могут стать "палкой о двух концах".
Интеграция всех данных о клиентах из различных уголков компании в единую систему, которая будет самостоятельно проводить сложный анализ и принимать оперативные и стратегические решения на основе интеллектуальных механизмов, — это далекая и пока недостижимая мечта для стратегов CRM. Даже компании с миллиардными ИТ-бюджетами безуспешно бьются над этой задачей. Проанализировать их основные ошибки и научиться чему-то на них это неплохой первый шаг.
В этой главе мы попытались показать, что интегрированные данные о клиентах могут означать разницу между отвращением клиентов и развитием их долгосрочной лояльности. Однако даже лучшие CRM-системы не могут предложить легкого ответа на вопрос: как интегрировать данные из различных источников в вашей компании? Спрашивайте у поставщиков об их базах данных и о процессах для нахождения, сбора, моделирования, очистки и загрузки данных в централизованное хранилище. И помните: красивый пользовательский интерфейс бессмыслен без корректных данных.
То есть исходных данных, которые не структурированы, не проверены и не пригодны для принятия управленческих решений. Опытные бизнес-пользователи относятся с большой настороженностью к данным, если не знают их источник или не доверяют ему. Формулирование определений данных и логических правил получения и обработки информации является гарантией того, что результаты анализа будут корректны и востребованы пользователями.
Существует принципиальная разница между пользователем, который раз в квартал ткнет курсором в данные о доходах, и экспертом, который проводит дни в поисках закономерностей и открытий, способных изменить стратегию бизнеса. Понимайте, кто из пользователей действительно осуществляет анализ данных, какие данные они используют, и что является результатом их работы. Избегайте общепринятого подхода к анализу по принципу "очень интересно, но бесполезно", когда пользователи просто играют в "аналитической песочнице" без какой-либо определенной цели или результирующего действия. Выделяйте обычных пользователей, лиц, принимающих решения, так называемых "ключевых" пользователей. Для каждой из этих групп формулируйте политику в отношении работы с данными, безопасности и соответствующих функциональных возможностей аналитических систем.
Много компаний с действительно большими базами данных и крутыми средствами анализа, тем не менее игнорируют выводы, которые подсказывают эти данные. Несмотря на богатство клиентской информации, они продолжают строить стратегию работы с новыми клиентами на основе "холодного обзвона", а партнерские отношения — на контактах из гольф-клуба. Узнайте о текущих клиентских инициативах и определите те из них, которые можно улучшить за счет анализа. Сформируйте принципы, по которым результаты анализа могут превратиться в конкретные рекомендации по улучшению. Иногда это просто означает предоставление продавцам свободы для принятия самостоятельных решений. А иногда это подразумевает внедрение новых внутренних процессов, гарантирующих использование важных аналитических выводов для улучшения тактики бизнеса.
Это означает не просто выделение на поддержку инфраструктуры для сбора и хранения этих данных соответствующих пропорциональных бюджетов, но также и признание задачи управления данными ключевой компетенцией компании. Сформулируйте единую архитектуру и стандарты для работы с данными и перевода их в осмысленные знания для бизнеса. Относитесь к управлению данными не просто как к платформе для CRM, а как к стратегическому конкурентному вооружению.
Улучшения не начинаются и не заканчиваются нахождением правильных данных. Одного понимания клиентов явно недостаточно. Необходимо научиться правильно интегрировать данные в соответствующие бизнес-процессы для того, чтобы упростить процессы обслуживания, предложить клиентам лучшие продукты и услуги, мотивировать покупательскую активность и т.д.
Исследования Meta Group и IMT Surveys показали, что компании, внедрившие в первую очередь операционные возможности CRM, впоследствии делают акцент с точки зрения инвестиций в расширение аналитических возможностей своих CRM-систем. Проблема в том, что данный термин может включать все — от создания списков для обзвона до динамических рекомендаций по продуктам. Какие возможности маркетингового анализа удастся эффективно внедрить компаниям в ближайшие несколько лет? В конечном итоге диапазон возможных решений зависит от глубины и корректности данных о клиентах, которые компании собирают уже сегодня. Стратегическим фактором успеха здесь станет умение использовать выводы, сделанные в процессе анализа данных.
Возвращаясь к вопросу о различиях между операционными и аналитическими возможностями CRM, мы видим, как стратегия CRM может объединить данные, полученные с передового рубежа взаимодействия с клиентами, с данными в тыловых подразделениях компании в рамках так называемой "экосистемы CRM".
Тезис о необходимости интеграции, который так часто используют в качестве обязательного условия успеха в CRM, справедлив не только по отношению к данным, но и по отношению к бизнес-процессам. Взаимодействие с клиентами затрагивает не только работу на передовом рубеже, но и подразделения в глубине компании. Клиент предполагает, что компания, получив от него необходимую информацию и разрешение ее использовать, сможет обеспечить на основе этой информации оптимальный уровень обслуживания вне зависимости от канала взаимодействия, типа осуществляемой операции или приобретенного продукта. Только вы знаете, как превратить знания о клиентах в конкретные бизнес-решения.
По мере эволюции любого рынка покупательские предпочтения и привычки клиентов становятся все более сложными. Вне зависимости от того, продаете ли вы туристические услуги населению или сложное оборудование для промышленных предприятий, — всегда, когда рынок предоставляет клиенту возможность выбора, его ожидания постоянно возрастают. Как мы отмечали ранее, в первую очередь клиент рассчитывает на то, что сможет взаимодействовать с компанией по любому удобному для него каналу (личный контакт в точке продаж, телефон, электронная почта, Web, SMS). При этом клиент предполагает, что вне зависимости от выбранного им в данный момент канала компания сможет однозначно идентифицировать его в качестве клиента, помнить историю прошлых отношений и поддерживать знания о конкретных потребностях и возможностях, существующих у клиента. Другими словами, вне зависимости от того, насколько много других клиентов обслуживает ваша компания, конкретный клиент ожидает, что вы знаете его лично.
Рассмотрим пример, приведенный на иллюстрации. Компания осуществляет продажи, в том числе через свой Web-сайт, и оказывает техническую поддержку своим клиентам с использованием контакт-
С другой стороны, служба технической поддержки использует собственную функциональность CRM для автоматизации работы контакт-центра. Данные о каждом обращении заносятся в единую базу данных, на основе которых специалист отдела поддержки принимает решение об осуществлении тех или иных действий. По результатам предоставленной технической поддержки специалист также собирает с клиентов заполненные формы с информацией об уровне их удовлетворенности технической поддержкой.
(рис 6.1) Одна компания, две CRM-системыНесмотря на то что каждая из систем дает непосредственную отдачу в решении вопросов каждого из отделов, в целом схема получается достаточно неустойчивая. И служба маркетинга, и отдел технической поддержки прикладывают необходимые усилия для установления прямого контакта со своими клиентами, однако что произойдет, если и в первом, и во втором случае клиентом окажется одно и то же лицо?
Риск заключается в том, что отдел маркетинга не сможет определить клиента, который попадает в целевую группу для маркетинга на основании прошлых покупок, однако в настоящий момент неудовлетворен приобретенным товаром и обратился в службу технической поддержки для решения проблемы. В подобных обстоятельствах дополнительные предложения новых товаров могут больше навредить, чем помочь в отношениях с клиентом в целом. И наоборот: если сервисный инженер, общаясь с клиентом, не знает всей истории покупок клиента за последнее время, он может оказаться не способен предложить адекватное решение или оценить важность решения данной проблемы с точки зрения перспектив сохранения крупнейшего клиента. Применение одних и тех же стандартов обслуживания ко всем клиентам вне зависимости от их ценности (или, что еще хуже, дифференциация клиентов по принципу "кто громче кричит — тому больше внимания") приводит к тому, что компания отстает от конкурентов, которые прилагают все необходимые усилия, чтобы удержать круп нейших и наиболее важных клиентов.
Понимание всех последних шагов по взаимодействию с клиентом вне зависимости от того, по какому каналу оно происходило, может быть очень полезно для сервисного специалиста при решении приходящих от клиента запросов. Еще более важным может быть понимание всей истории отношений с клиентом и истории его покупок: при каких обстоятельствах и для каких целей клиент осуществляет покупку, какие дополнительные опции и компоненты он постоянно докупает, как он реагирует на маркетинговые предложения. История покупок, объединенная с другой доступной информацией о клиенте (например, как часто он переезжает, любит ли ходить в рестораны, имеет ли детей и т.д.), может сформировать рейтинг ценности данного клиента с учетом его потенциальной покупательской способности. Такая информация может быть отображена на дисплее оператора контакт-центра или специалиста службы поддержки в виде окна или напоминания в момент приема телефонного звонка или электронного сообщения.
Подобная проблема несовместимости CRM-систем очень характерна для растущих и динамично развивающихся компаний. В попытке запустить программы лояльности и удержать максимальное число клиентов отделы маркетинга закупают решения CRM и запускают их без привязки к другим подразделениям компании.
С другой стороны, службы технической поддержки, внедрившие в свое время системы управления сервисными запросами с минимальными функциями CRM, не очень охотно соглашаются на замену или совершенствование существующих решений с учетом требований других отделов — в первую очередь отдела маркетинга и продаж.
Суть подобной проблемы не сводится только к политике взаимоотношений между отделами маркетинга и поддержки и связана с особенностями организации логистики и инфраструктуры взаимодействия с клиентами. Отношения с клиентами понимаются как набор конкретных типов взаимодействий с компанией ("пришел — увидел — купил — сломал — позвонил"). Компания, соответственно, внедряет CRM для того, чтобы обеспечить каждый из этих конкретных типов взаимодействия необходимой информационной поддержкой. Решения по взаимодействию с клиентами принимаются на основе информации по каждому из типов в отдельности, вследствие чего и возникают проблемы: клиент получает анкету по качеству обслуживания из отдела маркетинга через две недели после того, как он заполнил подобную анкету для отдела поддержки. В конечном итоге благие намерения хороших специалистов из различных отделов оборачиваются скорее раздражением клиента, нежели увеличением его лояльности.
Различные источники информации о клиентах могут в свою очередь добавить неопределенности в понимание целостной картины. В 2000 г. исследовательская компания Yankee Group проводила опрос крупнейших компаний на предмет их методов сбора и анализа клиентской информации. 73% всех опрошенных компаний сообщили, что собирают информацию об индивидуальных потребителях (для российских компаний этот показатель оставляет не выше 30–40% на начало 2004 года!). Тем не менее, как показывает приведенная ниже таблица, каналы сбора информации о клиентах могут существенно различаться.
| Как собирается информация о клиентах |
|---|
Прямые контакты при осуществлении продаж 60% Электронная почта 50% Взаимодействия через контакт-центр 43% Визиты на Web-сайт 40% Исследования 28% Фокус-группы 28% Мероприятия/выставки 27% |
Несмотря на то что большинство руководителей компаний сходятся во мнении, что им нужна стратегия CRM в том или ином виде, мнение руководителей может существенно различаться в том, зачем она им нужна. Джил Дюше, автор книги "The CRM
| Руководитель | Взгляд на стратегию CRM |
|---|---|
| Директор по маркетингу | "Нам очень нужна CRM-система — хотя бы для того, чтобы узнать, сколько у нас клиентов! Я готов заплатить за систему, только чтобы она начала работать как можно скорее. Я думаю в первую очередь о функциональности профилирования клиентов — когда я могу ее получить?" |
| Директор по продажам | "Конечно, нам нужна CRM-система, однако мы к ней еще не готовы. Мы только что потратили огромные средства на то, чтобы вычистить всю нашу базу данных по контактам. В конце концов никакое профилирование клиентов не будет иметь смысла, если данные в системе не актуальны". |
| Директор по поддержке клиентов | "CRM? Зачем, мы уже это делаем! Наша система контакт-центра и так позволяет операторам получить доступ к клиентской информации во время звонка клиента. Мы даже можем видеть список продуктов, приобретенных каждым из клиентов. Кто сказал, что нам нужно что-то еще?" |
| Технический директор | "Клиенты, безусловно, важны для нас, однако сейчас мы теряем огромные ресурсы на неэффективной технической организации сервиса. Если мы не исправим ситуацию в этой области, у нас просто не останется клиентов, которых нужно будет обслуживать! Если бы только знать, как оптимизировать техническую загрузку…" |
Опасный уровень несогласованности между руководителями привел консультантов к выводу, что внедрение единой интегрированной CRM-стратегии вряд ли получит должный
Приведенная в качестве примера ситуация с двумя разделенными CRM-системами в рамках одной компании чревата не только возможной несогласованностью инициатив различных отделов компании в отношениях с клиентами. Она также, скорее всего, неэффективна и с точки зрения инвестиций. Использование в рамках одной компании различных инструментов с пересекающимся функционалом предполагает дополнительные усилия по дублированию данных, системной интеграции, поддержке, обучению пользователей и т.д. Точно так же отсутствие единого интерфейса для операторов контакт-центра приводит к необходимости обращаться к различным системам и экранам для получения информации о различных продуктах и услугах, которыми пользуется клиент.
В конце концов большинство CRM-систем обычно создается или внедряется для решения конкретной бизнес-задачи в рамках организации — например, автоматизации процессов продаж или рутинных маркетинговых операций. Каждая из этих систем использует собственную базу данных для сохранения информации о клиентах. Распространение таких систем в рамках организации (особенно крупной и территориально распределенной) приводит к созданию большого количества различных клиентских файлов и досье — каждые из них содержат ключевую информацию, необходимую для решения собственных задач, однако не всегда они изначально ориентированы на взаимодействие друг с другом.
Обратите внимание на то, что каждая из систем содержит информацию, которая может быть важна для успешной CRM-стратегии в целом. Данные о клиентах различаются в каждой из систем, в зависимости от требований отдела, использующего данные. Однако в реальной жизни информация может частично пересекаться в различных системах. Так, контактная информация о клиенте и статус оплаты может храниться и в системе контакт-центра, и в системе автоматизации прямых продаж; информация об объемах закупок клиента и его ценности может использоваться и в системе отдела продаж, и в маркетинге. Одна и та же информация об одном клиенте может храниться в различных форматах и с разными атрибутами в системах отделов.
Задача создания единого профиля клиента и привязки к нему всей информации, поступающей из различных отделов, часто подразумевает создание централизованной многофункциональной базы данных, называемой еще "хранилищем данных". Лет 10–15 назад подобная задача была под силу только крупным организациям с огромными ИТ-бюджетами. Сейчас создание хранилища данных в той или иной форме стало стандартом de facto для сбора и оперативного анализа данных о клиентах. Для этого используются специализированные программы.
Хранилища данных могут быть использованы для анализа любых данных, поступающих из большого количества разрозненных источников; однако в нашем случае важно получить интегрированный взгляд на клиентскую информацию, или "единую версию правды" о клиентах.
Информация попадает в хранилище данных из различных систем в компании, собирая все, что мы можем знать о клиенте, — как в текущий момент времени, так и в исторической ретроспективе.
Источниками информации о клиентах могут быть следующие системы:
Чем полнее список источников данных, тем богаче может быть выбор информации для принятия бизнес-решений. На следующем рисунке изображен типичный "джентльменский набор" данных, поступающих в клиенто-ориентированное хранилище для дальнейшего обобщения и анализа.
Одним из основных преимуществ использования хранилища данных является возможность накапливать исторические данные о клиентах и анализировать их для изучения поведения клиентов. Например, накапливая информацию о покупках потребителя, компания может попытаться проанализировать, что мотивировало клиента совершить те или иные покупки и какой потенциал имеет данный клиент в будущем. Подобные исторические данные могут помочь сделать маркетинг более "интеллектуальным" и улучшить качество клиентского обслуживания. Именно потребность в сохранении исторических данных стала основным фактором бурного развития технологий хранилищ данных в последнее десятилетие.
Неспособность интегрировать данные о клиенте, получаемые из различных источников, приводит к необходимости принимать решения о его обслуживании на основе разрозненной неполной информации, что может привести к ошибкам или потере клиента. Сейчас большинство мировых аналитических агентств сходится во мнении, что способность интегрировать данные о клиентах является ключевым фактором успеха любых CRM-инициатив. Вот лишь некоторые цитаты:
"Вам нужен единый источник точной и консолидированной клиентской информации для того, чтобы хорошо управлять
"Различные приложения имеют далекие друг от друга методы отслеживания информации о клиентах и отчетности по этой информации, формируя "острова информации" внутри организации. Результатом является фрагментированное представление о клиентах, что не позволяет определять ключевые метрики, такие как "доходность клиента" или "жизненная ценность" — Forrester Research.
В 2000 г. исследование Forrester Research показало, что:
Полноценное взаимодействие с клиентом и мотивирование его на последующие покупки требует больше информации, чем просто имя, адрес и уровень дохода. Это также означает лучшее понимание его приоритетных продуктов, уровня потребления, ценностей, жизненных принципов, текущей стадии жизненного цикла и даже, возможно, его принципов поведения вне сферы отношений с вашей компанией.
Этот принцип работает и в обратную сторону: клиенты лучше реагируют на централизованные целевые обращения от компании. В примере, описанном в начале главы, разрозненность информационных источников может привести к серьезным последствиям в отношениях с клиентом. Обычная, к сожалению, практика, когда компания не связывает жалобы клиентов с новыми маркетинговыми предложениями, а скорее злит клиента, чем подвигает его на дальнейшие отношения с компанией.
"Я только что жаловался на проблемы с их продуктом, а они уже предлагают мне новый... Они вообще услышали мои жалобы?" — вот наиболее вероятная реакция клиента на нескоординированное взаимодействие с ним из различных отделов компании.
Типичный пример. В воскресенье вечером на мобильный телефон мужа звонит представитель страховой компании, в которой застрахована машина его жены. Между ними происходит следующий диалог:
— Здравствуйте, вас беспокоит страховая компания ХХХ. Это Иван Сергеевич?
— Да, это я… — Муж напрягается, потому что не ждет ничего хорошего от подобного звонка. Мысли: "Моя жена попала в аварию?" и "Я вовремя заплатил последний взнос?" проносятся у него в голове.
— У вас есть машина? Она застрахована?
— Да, в вашей компании… — Муж ждет продолжения непосредственно о сути звонка на мобильный телефон вечером в выходной… Новместо этого слышит:
— А-а, ладно. Спасибо.
Разговор окончен. Муж остается в недоумении и с определенной долей досады думает о том, что как существующий клиент совершенно не интересует оператора на том конце провода. Он в волнении перезванивает жене, чтобы узнать, все ли с ней в порядке…
Несмотря на то что данная семья представляет, несомненно, определенную ценность (существующий клиент, две машины), страховая компания "пожадничала" на простой операции — исключить телефоны существующих клиентов из списка маркетингового обзвона, благо этот телефон указывается в анкете клиента при оформлении полиса! Насколько более эффективным был бы этот звонок, если бы основной вопрос звучал следующим образом:
— Если не секрет, почему вы застраховали машину вашей жены у нас в компании, а свою собственную — нет?
Вся информация, необходимая для формулировки подобного вопроса, есть в разрозненных файлах страховой компании…
Лучшие компании "спотыкаются" о проблему организации взаимодействия между CRM и хранилищем данных для обеспечения целостной бизнес-аналитики по клиентам. С одной стороны, все прекрасно понимают, что данные нельзя разделять и
В своей практике я часто наблюдал подобные противоречия между ИТ- и бизнес-подразделениями. ИТ "лезет из кожи вон", чтобы собрать для бизнеса необходимую информацию, — не понимая при этом сути данных, и того, как эти данные влияют на ключевые бизнес-процессы, и зачем они необходимы. Бизнес не получает нужных ответов на основе имеющихся данных и ставит все новые требования, при этом не умея четко и структурированно описать свои потребности. Противоречие затягивается на годы, закупается новое оборудование и программные инструменты, а "воз и ныне там". Руководство, всегда склонное к обобщению, в результате разочаровывается в возможностях информационных технологий как таковых.
Интеграция разрозненных приложений (количество которых в современной финансовой или телекоммуникационной компании, например, может достигать 8–10) для получения единой информации по клиенту может стоить существенно дороже, чем создание изначально продуманной информационной инфраструктуры вокруг интегрированного хранилища данных. Тем не менее в большинстве случаев создание хранилища данных обычно замыкает список приоритетных ИТ-проектов и говорит о том, что компания уже прошла определенный эволюционный путь развития ИТ. Связано это в первую очередь с тем, что убедить руководство в необходимости инвестировать существенные средства в то, чтобы "сделать копию всех наших данных на отдельном сервере и облегчить их утечку? Никогда!" (цитата одного руководителя), бывает так же сложно, как убедить молодого здорового парня проходить ежегодную диспансеризацию и следить за своим здоровьем.
Компании быстро приходят к мнению, что их усилия в области управления
клиентскими отношениями ничего не стоят, если они не предполагают анализа.Information Week
Мы уже обсуждали ранее, что продавать существующим клиентам значительно проще и дешевле. Чем лучше компания понимает своих клиентов, тем легче ей общаться с ними. Способность использовать данные, полученные в процессе взаимодействия с клиентами, для анализа и принятия стратегических решений напрямую связана с успехом компании в сфере управления лояльностью клиентов.
Разрозненные системы, каждая из которых собирает часть информации о клиентах, не позволяют отследить некоторые факты, которые могут быть критически важны для бизнеса в целом. В частности:
Клиентская информация, которая используется для получения ответов на эти и другие вопросы, определяет стратегию работы с теми или иными клиентами, методы продаж, предполагаемые маркетинговые шаги. За счет интеграции операционных данных CRM с другими информационными источниками в компании, она может начать проводить анализ клиентских отношений и за счет этого принимать по-настоящему клиенто-ориентированные решения.
Практика анализа данных существует задолго до появления хранилищ данных, CRM и других инструментов. Методы статистического анализа используются в экономике уже много десятилетий. Средства анализа, как встроенные в современные CRM-системы, так и существующие в форме независимых программных инструментов, просто позволили сделать данный анализ более эффективным, быстрым и доступным. Аналитические возможности позволяют "оживить" скупые операционные данные о клиентах — сделать их более ценными и аккуратными.
Например, система Siebel позволяет использовать
Основное отличие аналитического блока CRM от операционного заключается в том, что он призван не столько решить текущую операционную задачу взаимодействия (провести маркетинг нового продукта, осуществить продажу, отработать жалобу клиента), сколько обеспечить долгосрочные прогрессирующие отношения с клиентом по всем возможным направлениям. Это означает отслеживание всех действий клиента из операционного блока CRM и их анализ в контексте информации из других источников — как внутренних, так и внешних.
Создание централизованного источника "единой правды о клиенте" позволяет осуществлять сегментацию клиентов по большему набору параметров, а также поддерживать взаимодействие с каждым клиентом действительно в режиме "один на один". Мировые компании, которые используют как операционные, так и аналитические возможности CRM, могут существенно изменить свою стратегию, в частности:
(рис 6.3) Составные элементы аналитического блока CRMРазвитие современных комплексных систем CRM, объединяющих широкий диапазон функциональности, существенно облегчило задачу интеграции данных из различных подразделений для поддержки задач анализа и сегментации. Большинство крупнейших мировых поставщиков рекламируют свои системы в качестве "единого интерфейса" для всех сотрудников организации, занимающихся обслуживанием клиентов, — от руководства и аналитиков до операторов контакт-центра и полевых инженеров.
Интересную концепцию "кабины пилота", или "центра управления" предлагают такие компании, как Microstrategy, известная своими приложениями в сфере аналитики и бизнес-разведки. Концепция предполагает, что интерфейс менеджера, принимающего ответственные решения, напоминает собой приборную панель самолета (или, возможно, автомобиля — в зависимости от масштабов и сложности бизнеса*). Ключевой набор показателей эффективности, по которым руководитель анализирует текущую деятельность компании и принимает решение вмешаться в те или иные процессы, программируется в системе в виде ограниченного набора эргономичных индикаторов (графиков, приборных стрелок, контрольных ламп и т.д.). В зависимости от конкретной роли менеджер может через данный интерфейс выполнять все свои непосредственные обязанности. Специалист по маркетингу имеет возможность анализировать сегменты клиентов, отслеживать маркетинговые кампании, распечатывать отчеты и т.д. Руководитель отдела продаж видит текущее состояние воронки пр одаж, клиентов, близких к уходу, эффективность менеджеров, ключевые проекты в работе и т.д.
Как уже обсуждалось выше, объединение операционных возможностей CRM с аналитическими позволяет осуществлять комплексный анализ всей информации о клиентах, поступающей из различных источников. Целью данного анализа в конечном итоге является принятие более правильных решений в отношении каждого из клиентов, причем эти решения должны приниматься быстрее и с меньшими материальными и человеческими затратами.
Особое место среди источников информации занимает Web, предлагая совершенно новый пласт информации о существующих и потенциальных клиентах — посетителях сайта. Компании, которые научились привязывать статистику посещаемости своего Web-сайта к клиентской информации из других источников, получили совершенно новый набор возможностей по анализу.
Термин "аналитическая обработка в режиме реального времени" (OnLine Analytical Processing — OLAP) в последнее десятилетие стал одной из тех концепций в области ИТ, которые постоянно привлекают внимание деловой общественности. Обычно под данным термином подразумевается возможность осуществить любую выборку с необходимым уровнем обобщения в большом массиве данных, а также по необходимости "провалиться" (
Пример сценария использования средств OLAP руководителем отдела продаж
Руководитель отдела продаж готовится предстать перед советом директоров с объяснением текущей ситуации и необходимых изменений в стратегии маркетинга. Он обеспокоен падением продаж продукта Х в индустрии Y и ищет источник проблемы и возможные пути ее решения. Несколькими движениями мышью он формирует последовательность запросов с использованием системы OLAP с набором закладок и моделей, заложенных аналитиком:
"Почему у нас падают продажи? Покажите тенденцию роста/падения по каждой из продуктовых линеек".
OLAP-система осуществляет группировку всех данных о конкретных сделках (осуществленных и потерянных) за отчетный период по продуктам и отображает результат.
"Ага, сильнее всего падение продаж происходит по продукту Х. Покажите все проигранные сделки по данному продукту за отчетный период по типам клиентов и ответственным менеджерам".
OLAP-система "проваливается" на следующий уровень детальности, отображая необходимые графики или таблицы только для продукта Х.
"Странно, основное падение покупательского спроса наблюдается в индустрии Y. Покажите статистику по основным причинам отказов по продукту Х в индустрии Y, а также рейтинг конкурентов в этих сделках".
Система переходит еще на один уровень ниже, анализируя атрибуты конкретных сделокѕ
"Вот в чем дело: новый иностранный конкурент, специализирующийся исключительно на данной индустрии, предлагает интегрированное решение по существенно более низкой цене. Нужно разработать новую маркетинговую кампанию, подчеркивающую наши преимущества для данной отрасли. Сделайте список всех клиентов из отрасли Y, которые предпочли наш продукт Х, — мы проведем опрос и изучим причины их решения..."
Системы OLAP построены по принципу привязки атрибутов данных к определенным "измерениям" — таким, как время или местоположение. Пользователь может сформировать выборку по любым из измерений и использовать полученные данные для отображения в виде таблицы или графика.
Хотя производители OLAP-систем продвигают свои решения как средства поиска скрытых закономерностей, возможности OLAP в этой сфере ограничены уровнем обобщения данных при их копировании из исходных источников в централизованное хранилище в целях экономии дискового пространства и времени на осуществление выборок. Так, OLAP сможет определить, какой из сегментов клиентов с наибольшей вероятностью подвержен риску ухода к конкуренту. Но иногда необходимо проанализировать каждого из сотен тысяч или миллионов клиентов по нескольким параметрам для того, чтобы найти клиента, риск потери которого максимален.
OLAP требует от аналитика наличия определенной гипотезы или структуры запроса, которую он хотел бы проверить. Поиск скрытых закономерностей в более широком смысле означает определение структур или взаимосвязей, иногда совсем не очевидных для аналитика. Подобные методы помогут сформировать кластеры клиентов, покупающих однотипный набор продуктов. Компьютерные специалисты, много работающие дома, представляют пример подобного кластера — они с большой долей вероятности купят компьютер определенной конфигурации, источник бесперебойного питания, принтер, провода, картриджи, мусорную корзину и кофе. Аналитик, использующий OLAP, должен сначала предположить, что есть подобный кластер покупателей — надомные компьютерные специалисты, а затем проверить свое предположение набором последовательных запросов о том, какие продукты обычно попадают в потребительскую корзину, и какие могли бы также в нее войти. В большинстве случаев использование OLAP будет также ограничено определенными продуктовыми категориями. То есть аналитик сможет сформировать соответствующий кластер из покупателей компьютеров, принтеров и кабелей (категория компьютерных продуктов), однако не сможет задействовать для анализа кластера продукты из других категорий — корзину для бумаг, кофе.
В разделе "Маркетинг в стратегии CRM" приведен пример молодых отцов, которых отправляют утром в выходные за подгузниками для малыша, а они заодно покупают упаковку пива, чтобы "оправдать" свою вылазку, — это также пример скрытого кластера, на определение которого без соответствующего инструментария может уйти времени и усилий больше, чем это того стоит.
Средства поиска скрытых закономерностей могут определить ключевые структуры или взаимосвязи в массиве данных и предоставить ценную новую информацию, которая может помочь компании лучше понять себя и своих клиентов. Подобные средства обычно используются бизнес-аналитиками для поиска закономерностей, о которых они, возможно, даже не предполагают. Сейчас подобные средства широко применяются для формирования нового уровня знания о рынке — от предсказания возможного времени следующей покупки до оптимального расположения товаров в магазине или оптимальной даты выпуска на рынок нового фильма.
Существует большое количество различных математических алгоритмов для поиска скрытых закономерностей. Некоторые из них относятся к миру эзотерики и слабо применимы для решения бизнес-задач (многомерные адаптивные регрессивные сплайны — что бы это ни значило). Несмотря на то что в качестве аналитического аппарата могут использоваться как жесткие математические алгоритмы (дерево решений), так и нечеткая логика нейронных сетей, в сфере CRM они используются в первую очередь для решения следующих ключевых задач.
Использование средств поиска скрытых закономерностей обычно предполагает наличие специалиста по статистике с хорошим знанием продуктов и услуг компании, а также наиболее применимых в данном случае алгоритмов. Помимо этого требуется соответствующий программный инструментарий. Конечные бизнес-пользователи (руководители подразделений, специалисты по маркетингу) вряд ли будут самостоятельно пользоваться данным инструментарием — скорее всего, они получат доступ уже к результатам анализа, которые могут быть представлены как в формате отчетов и графиков, так и в формате конкретных выборок или задач в операционной CRM-системе.
Существует огромное множество возможных применений для трех основных типов анализа скрытых закономерностей, описанных выше: от использования моделей поведения существующих клиентов для маркетинга по отношению к новым и до избежания наиболее рисковых потенциальных клиентов за счет анализа рисков и оценки потенциальной ценности клиента в течение его жизненного цикла.
В большинстве случаев компании выделяют отдельный сервер под анализ скрытых закономерностей, куда закачивается вся информация, связанная с клиентами, и где строятся модели и анализируются структуры поведения. Подобные действия обычно требуют существенных компьютерных ресурсов, поэтому вынесение данной функции на отдельный сервер помогает избежать лишней нагрузки на другие операционные системы, от бесперебойной работы которых зависит качество и скорость работы компании в целом. Аналитический сервер может быть связан с выделенным хранилищем данных для того, чтобы получать доступ к данным о клиентах и осуществлять моделирование по принципу "что, если..." с различными тарифными планами, клиентскими сегментами или новыми маркетинговыми кампаниями.
Выводы по результатам анализа скрытых закономерностей могут служить сигналом для тех или иных ответственных действий в компании. Например, розничная сеть по продаже электроники в Лондоне определила, что большинство потенциальных покупателей портативных DVD-плейеров добирается на работу на электричке. В результате маркетинг перенаправил большую часть рекламного бюджета с телевидения на утренние газеты и рекламные щиты на вокзалах. Продажи плейеров выросли на 43% после смены рекламного носителя. Примечательно, что изменение маркетинговой стратегии было принято не по результатам дорогостоящего и длительного опроса целевых групп, а по результатам работы аналитика за интерфейсом аналитической системы на основе существующих в компании данных.
Понимание будущего поведения существующих и потенциальных клиентов — основная цель большинства приложений в сфере поиска скрытых закономерностей. Среди всего многообразия методик, позволяющих достичь подобного понимания, для целей CRM наиболее полезными могут быть "Анализ Web-активности" (так называемый "
Специалисты ИТ обычно очень легкомысленно подходят к вопросу сбора и анализа информации об активности пользователей Web-сайта. Хотя эта информация может очень многое рассказать про каждого конкретного посетителя. В частности, мы можем анализировать, как пользователь попал на Web-сайт, сколько времени он на нем провел, что он делал во время своего визита, и когда он снова вернулся. Данные о Web-активности пользователей сравнимы с камерой, установленной в зале магазина, которая записывала бы все действия посетителя: какие товары он брал с полки, но не положил в свою корзину, на чем останавливался его взгляд, к кому он обращался с вопросами и какие ответы получал.
Практика сбора данных об активности пользователей развивается одновременно с электронной коммерцией. Эти данные могут накапливаться в отдельном хранилище данных или быть частью единого корпоративного хранилища. Учитывая возможные огромные объемы этих данных, а также существующие этические ограничения по использованию, руководство компаний часто принимает решение о преднамеренном
Показательным примером использования анализа Web-активности является изучение так называемых "незавершенных заказов", т.е. ситуаций, когда пользователь электронного магазина наполнил свою виртуальную корзину товарами, однако так и не "дотащил" ее до виртуального прилавка, бросив свой заказ на полпути. Задача анализа здесь заключается в том, чтобы сравнить содержимое брошенной корзины с другими аналогичными корзинами и ответить на несколько ключевых вопросов, например таких:
Результаты подобного анализа могут навести на очень интересные предположения. Например о том, что ни один из продуктов в корзине не был настолько необходим потребителю, чтобы мотивировать его на осуществление покупки. Или о том, что покупателя отпугнули многочисленные запросы и анкеты. Или, что на определенной сумме общего счета покупатель передумал и отказался от всего заказа. Или определенный набор и сочетание продуктов напомнили покупателю о необходимости покупки чего-то еще, и он ушел в другой магазин в поисках комплексного решения.
Все эти предположения можно смело отнести к категории "научного тыка"*. Однако в случае использования с достаточной периодичностью, опытному аналитику подобные методы могут помочь. Что бы ни послужило причиной для покупателя оставить магазин и свою корзину, полную потенциальных покупок, продавец может и должен использовать все имеющиеся у него средства — от строгих закономерностей до неочевидных экстраполяций — для того, чтобы понять клиента и стимулировать его на осуществление покупки. Найденные закономерности могут не просто помочь улучшить дизайн и размещение информации на Web-сайте для большего удобства клиентов, но и определить продуктовые взаимосвязи, предложить возможные стратегии дополнительных и кросс-продаж. В сочетании с данными по демографии, психографии и поведенческим моделям результаты анализа Web-активности помогут компаниям лучше понимать своих клиентов.
Последние разработки в области анализа еще более интригуют. Вместо того чтобы просто анализировать пути перемещения клиента по сайту и предполагать его возможные дальнейшие действия, продавец может совмещать эти данные со специфической клиентской информацией — историей покупок, ключевыми демографическими и психографическими показателями, его ценностью и текущим этапом жизненного цикла — для формирования целостной картины ценностей и интересов данного клиента. Может быть, посетитель, бросивший корзину, был случайным гостем, и на него не стоит тратить усилия. Однако если корзину бросил кто-то из существующих ценных клиентов, то целевое электронное сообщение или купон (например, на продукт, который был оставлен в корзине) могут существенно помочь довести покупку до конца при следующем визите клиента в магазин.
В разделе про маркетинг мы уже обсуждали термин "персонализация", т.е. практику специализированного взаимодействия лично с каждым клиентом (или узким целевым сегментом). Подобная практика построена на предпосылке, что, собирая необходимую информацию о клиентах, компания может ориентироваться в маркетинге на конкретные потребности, которые могут существовать у клиента сейчас или в будущем. Персонализация является мощным аргументом при обосновании необходимости сбора и хранения информации о клиенте, в идеале — с любезного разрешения самого клиента. Ко взаимной выгоде продавец должен суметь предложить покупателю более аккуратные рекомендации по продуктам, специализированные источники информации, целевые маркетинговые предложения, причем в режиме реального времени.
В Москве есть хороший грузинский ресторан, который известен вовсе не своей отменной кухней. Основная его достопримечательность — гардероб, а точнее — гардеробщик, который не пользуется номерками для одежды. Сколько бы посетителей ни было в ресторане в этот вечер, он безошибочно встретит вас на выходе с той верхней одеждой, в которой вы пришли в ресторан. Людям приятно чувствовать персональность и узнаваемость в общении — пусть даже они достигаются за счет способностей натренированной памяти, а не за счет личного общения...
Эффективное использование возможностей персонализации не просто увеличивает лояльность, но и должно обеспечивать дополнительные доходы. Персональная информация о потребителе может определять тактику взаимодействия с ним. Вот лишь несколько примеров из сферы фармацевтики:
Персонализация может принимать разные формы. В самом простом случае она может означать изменение внешнего вида Web-страницы в соответствии с предпочтениями данного конкретного потребителя. Многие Web-сайты позволяют пользователям настроить интерфейс в соответствии со своими предпочтениями — продавец, таким образом, создает у потребителя ощущение "личного окна в компанию" и тем самым повышает его лояльность.
Различаются два основных вида персонализации: на основе правил и адаптивная.
Наиболее широко возможности персонализации используют продавцы книг — такие, как Amazon.com или Ozon.ru. Первый активно использует принципы "совместного выбора": на основе прошлой истории покупок и географии клиента система строит свои рекомендации по принципу "Что читают ваши соседи со схожими интересами?" Чем больше покупок совершают "похожие" клиенты, тем "умнее" становится система, определяя потребности клиентов, и тем точнее становятся ее рекомендации.
При определении стратегии персонализации необходимо решить для себя, должна ли данная персонализация быть заметной для пользователя, или нет? В разделе "Маркетинг в стратегии CRM" мы рассматривали понятие "маркетинг по разрешению", когда клиент добровольно предоставляет персональную информацию в расчете на то, что это окупится: компания будет использовать полученную информацию для предоставления дополнительных услуг — скидок, целевых предложений и т.д. Тем не менее возможен вариант, когда пользователь даже не заметит, что Web-сайт использует средства персонализации, а продукты и документы, которые он видит на экране, отличаются от тех, которые может увидеть другой посетитель сайта.
Между тем средства интеллектуального анализа скрытых закономерностей остаются скорее в разряде технологических новинок. Пройдет еще несколько лет, прежде чем они прочно войдут в общепринятую деловую практику. Сейчас более распространенным подходом является прямой опрос посетителей (включая тех, кто так ничего и не купил) об их приоритетах и предпочтениях. Данные опросов становятся затем частью профиля клиента и используются для выработки соответствующих рекомендаций и маркетинговых предложений.
Хотя персонализация кажется достаточно безобидным маркетинговым средством, эффект от ее использования может быть таким же сильным, как и от правильного мерчендайзинга* в традиционных магазинах. Персонализация также обладает серьезным дополнительным (отчасти противоречивым) потенциалом, который заключается в возможности динамического ценообразования. Первые эксперименты по динамическому ценообразованию проводил магазин Amazon.com, продавая DVD-диски с одним и тем же фильмом различным покупателям по разной цене. Эта концепция переворачивает с ног на голову традиционное представление о том, как покупатель осуществляет свой выбор. Возможности Web-технологий, которые, с одной стороны, позволили покупателям осуществлять выбор товара с лучшей ценой за считанные секунды и несколькими движениями мышью, с другой стороны, позволили поставщикам дифференцировать своих покупателей по принципу "чувствительности к цене". Принцип динамического ценообразования использует знания о клиенте, заложенные в CRM-систему для сравнения степени желания клиента приобрести данный товар с его возможностью заплатить за данную покупку. В этом случае уже покупатели становятся конкурентами за возможность приобрести данный товар.
Данная функция — одна из наиболее востребованных на российских корпоративных Web-сайтах: в условиях "закрытого информационного пространства" производители зачастую не хотят, чтобы их клиенты или торговые партнеры видели один и тот же диапазон предлагаемой продукции и уровень скидок. Под каждого из партнеров — пользователей сайта необходимо динамически создавать прайс-листы и списки продуктов в соответствии с оговоренным уровнем персональной скидки...
Аргументы "за" и "против" динамического ценообразования затрагивают вопросы защиты личной информации потребителей, а также принципы этики. В конце концов, чем больше потребитель покупает у данного поставщика, тем больше поставщик знает о потребителе и тем слабее позиция потребителя в процессе ценовых переговоров. Практика динамического ценообразования выходит далеко за рамки Web-технологий. Так, стратеги Coca-Cola в свое время подверглись жесткой критике за попытки ввести в действие автоматы по продаже газировки, которые автоматически повышали цену по мере роста температуры. Некоторые крупнейшие авиакомпании были замечены в том, что повышали тарифы для держателей карт "постоянный клиент", т.е. для своих наиболее лояльных клиентов, т.к. были уверены в том, что они все равно полетят именно этим рейсом...
В защиту динамического ценообразования электронные торговцы апеллируют к сферам традиционного бизнеса, где подобная практика используется десятилетиями. Аптеки продают лекарства от простуды в холодных регионах существенно дороже, чем в жарких. Ажиотаж вокруг игровой приставки Sony Playstation 2 в свое время позволил существенно "задрать" на нее цены в канун Рождественских праздников практически во всем мире.
Однако именно современные Web-технологии "вдохнули новую жизнь" в данную концепцию, предоставляя корпоративным стратегам мощный инструмент по оперативному анализу и принятию решения о готовности конкретного клиента заплатитьза конкретный товар определенную цену... В Интернет-мире, где данные о клиенте могут включать его домашний адрес, уровень доходов, количество детей и даже решимость купить товар, динамическое ценообразование наряду с другими технологиями персонализации может применяться быстрее и к более широкому кругу клиентов.
В случае с динамическим ценообразованием на Amazon.com трюк мог бы пройти незамеченным, если бы, опять же, не открытые возможности Web-технологий. Посетители через форум магазина начали сравнивать чеки за покупки и заметили, что постоянным лояльным покупателям товар обходится дороже, чем новым! Руководство компании поспешило оправдаться, что это были лишь эксперименты с динамическим ценообразованием, и откреститься от подобной практики в будущем.
Однако прецедент был создан, и он показал, что возможности Интернета существенно влияют на деловые и социальные отношения. В этих условиях даже технологии CRM могут стать "палкой о двух концах".
Интеграция всех данных о клиентах из различных уголков компании в единую систему, которая будет самостоятельно проводить сложный анализ и принимать оперативные и стратегические решения на основе интеллектуальных механизмов, — это далекая и пока недостижимая мечта для стратегов CRM. Даже компании с миллиардными ИТ-бюджетами безуспешно бьются над этой задачей. Проанализировать их основные ошибки и научиться чему-то на них это неплохой первый шаг.
В этой главе мы попытались показать, что интегрированные данные о клиентах могут означать разницу между отвращением клиентов и развитием их долгосрочной лояльности. Однако даже лучшие CRM-системы не могут предложить легкого ответа на вопрос: как интегрировать данные из различных источников в вашей компании? Спрашивайте у поставщиков об их базах данных и о процессах для нахождения, сбора, моделирования, очистки и загрузки данных в централизованное хранилище. И помните: красивый пользовательский интерфейс бессмыслен без корректных данных.
То есть исходных данных, которые не структурированы, не проверены и не пригодны для принятия управленческих решений. Опытные бизнес-пользователи относятся с большой настороженностью к данным, если не знают их источник или не доверяют ему. Формулирование определений данных и логических правил получения и обработки информации является гарантией того, что результаты анализа будут корректны и востребованы пользователями.
Существует принципиальная разница между пользователем, который раз в квартал ткнет курсором в данные о доходах, и экспертом, который проводит дни в поисках закономерностей и открытий, способных изменить стратегию бизнеса. Понимайте, кто из пользователей действительно осуществляет анализ данных, какие данные они используют, и что является результатом их работы. Избегайте общепринятого подхода к анализу по принципу "очень интересно, но бесполезно", когда пользователи просто играют в "аналитической песочнице" без какой-либо определенной цели или результирующего действия. Выделяйте обычных пользователей, лиц, принимающих решения, так называемых "ключевых" пользователей. Для каждой из этих групп формулируйте политику в отношении работы с данными, безопасности и соответствующих функциональных возможностей аналитических систем.
Много компаний с действительно большими базами данных и крутыми средствами анализа, тем не менее игнорируют выводы, которые подсказывают эти данные. Несмотря на богатство клиентской информации, они продолжают строить стратегию работы с новыми клиентами на основе "холодного обзвона", а партнерские отношения — на контактах из гольф-клуба. Узнайте о текущих клиентских инициативах и определите те из них, которые можно улучшить за счет анализа. Сформируйте принципы, по которым результаты анализа могут превратиться в конкретные рекомендации по улучшению. Иногда это просто означает предоставление продавцам свободы для принятия самостоятельных решений. А иногда это подразумевает внедрение новых внутренних процессов, гарантирующих использование важных аналитических выводов для улучшения тактики бизнеса.
Это означает не просто выделение на поддержку инфраструктуры для сбора и хранения этих данных соответствующих пропорциональных бюджетов, но также и признание задачи управления данными ключевой компетенцией компании. Сформулируйте единую архитектуру и стандарты для работы с данными и перевода их в осмысленные знания для бизнеса. Относитесь к управлению данными не просто как к платформе для CRM, а как к стратегическому конкурентному вооружению.
Улучшения не начинаются и не заканчиваются нахождением правильных данных. Одного понимания клиентов явно недостаточно. Необходимо научиться правильно интегрировать данные в соответствующие бизнес-процессы для того, чтобы упростить процессы обслуживания, предложить клиентам лучшие продукты и услуги, мотивировать покупательскую активность и т.д.
Исследования Meta Group и IMT Surveys показали, что компании, внедрившие в первую очередь операционные возможности CRM, впоследствии делают акцент с точки зрения инвестиций в расширение аналитических возможностей своих CRM-систем. Проблема в том, что данный термин может включать все — от создания списков для обзвона до динамических рекомендаций по продуктам. Какие возможности маркетингового анализа удастся эффективно внедрить компаниям в ближайшие несколько лет? В конечном итоге диапазон возможных решений зависит от глубины и корректности данных о клиентах, которые компании собирают уже сегодня. Стратегическим фактором успеха здесь станет умение использовать выводы, сделанные в процессе анализа данных.
Возвращаясь к вопросу о различиях между операционными и аналитическими возможностями CRM, мы видим, как стратегия CRM может объединить данные, полученные с передового рубежа взаимодействия с клиентами, с данными в тыловых подразделениях компании в рамках так называемой "экосистемы CRM".
Тезис о необходимости интеграции, который так часто используют в качестве обязательного условия успеха в CRM, справедлив не только по отношению к данным, но и по отношению к бизнес-процессам. Взаимодействие с клиентами затрагивает не только работу на передовом рубеже, но и подразделения в глубине компании. Клиент предполагает, что компания, получив от него необходимую информацию и разрешение ее использовать, сможет обеспечить на основе этой информации оптимальный уровень обслуживания вне зависимости от канала взаимодействия, типа осуществляемой операции или приобретенного продукта. Только вы знаете, как превратить знания о клиентах в конкретные бизнес-решения.
Для получения официальных документов о завершении программы дополнительного профессионального образования (удостоверения о повышении квалификации, дипломов о профессиональной переподготовке и MBA) необходимо предоставить:
Внимание! Вы можете не заказывать доставку бумажной версии официального документы, а скачать его в электронном виде и распечатать самостоятельно. Информация о выданном документе в течение 1 месяца загружается в Федеральную информационную систему «Федеральный реестр сведений о документах об образовании и (или) о квалификации, документах об обучении» - ФИС ФРДО.
Доступ на новый сайт осуществляется с использованием адреса электронной почты, который был указан вами при регистрации на "старом". Мы постарались перенести все ваши данные с прежнего ресурса, однако не исключена вероятность потери части информации.
При возникновении проблемы со входом, воспользуйтесь функцией сброса пароля
Если вы обнаружите несоответствия, пожалуйста, сообщите нам.